Product
1. Berkeley RDI 发布 Agents’ Last Exam 基准测试
Berkeley RDI 推出了 Agents’ Last Exam (ALE) 基准测试，旨在评估 AI Agent 在 55 个行业中处理复杂、长周期专业任务的能力。ALE 包含 1500 个专家任务，目前 frontier 模型在最高难度任务上的成功率为 0%。此外，本周行业动态包括 Google DeepMind 发布 DiffusionGemma、Visa 与 OpenAI 合作开发 Agent 支付基础设施，以及工业 AI 初创公司 Prometheus 获得 120 亿美元融资。这些信号表明，行业正从简单的任务执行转向长周期、高价值的专业工作流自动化。
2. Apodex 1.0-H：验证导向的深度研究 Agent
Apodex 发布了 1.0-H 版本，这是一款专注于深度研究的 Agent，在 BrowseComp 和 DeepSearchQA 等基准测试中表现优异。该系统通过异步运行多达 150 个子 Agent 进行研究，并由全局验证器对证据链进行审核，确保输出结果的可靠性。Apodex 1.0-mini 权重已开源，支持 OpenAI 兼容的 API 服务。其核心理念是“证据优先于生成”，旨在解决 AI 在复杂研究任务中的幻觉问题。
来源：Apodex
3. Unreal Engine 5.8 引入实验性 MCP 服务器支持
Unreal Engine 5.8 正式发布，引入了实验性的 MCP（Model Context Protocol）服务器支持。开发者可以通过配置 MCP 插件，将 Unreal Engine 的资源、管线和工作流连接到任何 AI Agent。这一更新使得 Agent 能够直接操作游戏引擎中的复杂数据，为游戏开发和 3D 内容创作的自动化提供了新的接口。结合 PCG Primitive 插件，团队可以构建更高效的协作工作流。
4. DeLM：去中心化多 Agent 共享上下文框架
DeLM 框架提出了一种去中心化的多 Agent 协作模式，Agent 通过共享的、经过验证的上下文和任务队列进行异步协作，而非依赖中心化控制器。这种架构解决了中心化编排在处理大规模子任务时的通信瓶颈。Agent 从队列中领取任务，读取已积累的进度，执行推理，并将紧凑的验证结果写回。这种方法支持可扩展、可靠且自协调的测试时推理，为构建大规模 Agent 系统提供了新思路。
来源：Decentralized Multi-Agent Systems with Shared Context
5. GLM-5.2：性能领先的开源代码模型
Z.ai 发布了 GLM-5.2，这是一款 MIT 许可的 744B 参数 MoE 模型。它在前端开发和长周期任务中表现出色，性能可与 Claude Opus 4.8 等闭源模型竞争。该模型引入了“IndexShare”技术，将 1M 上下文窗口的计算开销降低了 2.9 倍，并改进了多 token 预测（MTP）层以提升解码效率。GLM-5.2 的发布为开发者提供了强大的开源替代方案，标志着开源模型在专业 coding 领域正迅速缩小与闭源模型的差距。
来源：Latent.Space
6. Eve：面向 Agent 的持久化开发框架
Vercel 推出的 Eve 框架旨在为 Agent 开发提供类似 Next.js 的体验。它采用 Markdown 定义指令和技能，使用 TypeScript 定义工具，并默认支持持久化工作流。Eve 编译 Agent 目录，自动连接 Slack、Discord 等渠道，并利用 Vercel Sandbox 提供隔离的运行环境。该框架旨在简化 Agent 的构建、部署和连接过程，让开发者能够专注于 Agent 的逻辑设计而非底层基础设施。
来源：Vercel
7. Factory 推出 AutoWiki：代码库自动文档化
Factory 推出 AutoWiki 功能，能够将代码库自动转化为结构化、可浏览的工程文档。AutoWiki 会在每次推送代码时自动更新，涵盖架构、关键流程、系统和代码请求路径。用户只需在 Droid 会话中运行
/wiki即可生成当前仓库的文档。该功能旨在解决代码库文档滞后的痛点，通过 AI 自动维护高质量的工程文档，提升团队协作效率。
来源：@FactoryAI
8. ChatGPT 升级定时任务功能
OpenAI 升级了 ChatGPT 的定时任务功能，并推出了专门的管理页面。新体验在速度和可靠性上均有提升，并已向所有付费用户（Plus、Pro、Business、Enterprise）开放。同时，OpenAI 宣布将下线 Pro 用户可用的 ChatGPT Pulse 功能。这一更新反映了 OpenAI 正在将 ChatGPT 从单纯的对话工具向更具生产力的自动化助手转型。
Tutorial
1. YC Startup School：如何寻找并深耕创业想法
YC 在 Startup School 中探讨了寻找创业想法的误区。YC 建议创始人不要在抽象层面寻找“完美想法”，而应选择一个方向并深入挖掘，通过与真实客户的反馈来验证。关键在于“烧掉退路”，深入到能够实际运行客户业务的程度，因为这种深度往往能揭示出更优的解决方案。此外，YC 强调应在 AI 能力的边缘进行构建，并瞄准最雄心勃勃的版本，即使想法失败，快速迭代也能带来宝贵的经验。
来源：@ycombinator
Opinions/Thoughts
1. Loop Engineering：从提示词工程到自动化循环系统
Loop Engineering 标志着 AI 编程范式的重大转变，即从人类直接提示 Agent 转变为设计能够自主运行的循环系统。一个完整的循环系统包含五个核心要素：自动化调度、工作树（Worktrees）隔离、技能（Skills）沉淀、插件连接器以及子 Agent 协作。这种架构允许 Agent 在无人值守的情况下完成发现、 triage、编码及验证任务。尽管该模式极大提升了效率，但作者强调，人类工程师仍需负责最终的质量验证，以避免“认知投降”和理解力退化。该模式在 Claude Code 和 Codex 等工具中已成为原生支持的范式。
2. 解析 Agent 自动化中的内循环与外循环
本文探讨了 Agent 自动化工作流中的双循环结构：内循环负责执行具体的定时任务（如邮件草拟），外循环则通过分析人类的修改记录来持续优化 Skill。这种机制不仅能减少 AI 生成内容的“通用感”，还能通过持续学习让 Agent 越来越懂用户的偏好。作者指出，将人类的修改作为证据而非简单的提示词更新，是实现 Agent 自进化的关键。这种方法论将 AI 写作从一次性的提示词工程提升为可维护的自动化系统。
来源：The Inner and Outer Loops of Codex Automations
3. 现代 CI/CD：从速度优先转向风险缓解
在最新一期播客中，Octopus Deploy 的 Robert Erez 讨论了现代软件交付的演进。他强调，随着 AI Agent 开始编写和部署代码，CI/CD 的重心必须从单纯的构建速度转向严格的自动化风险缓解。关键实践包括优先考虑“向前滚动”而非回滚、使用功能标志（Feature Flags）进行 incident 缓解，以及利用临时环境（Ephemeral Environments）加速反馈循环。他指出，AI 将使 CI/CD 能够处理更慢、更彻底的测试管线，从而提升整体交付质量。
4. Rahulgs：Agent 时代的软件交付与风险管理
Rahulgs 深入探讨了 Agent 时代的软件交付。他认为，软件交付速度与 PR 产出速度已完全脱钩，关键在于 review/merge 的能力和风险管理。他建议将代码块视为黑盒，通过全经验验证（empirical verification）来确保正确性，并利用 shadow mode 等机制来降低风险。此外，他强调了对全栈的深度理解在 Agent 时代依然至关重要，因为这决定了我们如何定义任务、管理复杂性以及构建更快的迭代轨道。
来源：@rahulgs